From 7ff262146c1865cd0860fcf9df979c2a78bbb29b Mon Sep 17 00:00:00 2001 From: ec6c2d38b7cace4ce8fa0c82ca665c1e Date: Thu, 9 Dec 2021 11:29:36 +0000 Subject: [PATCH] Update toy_document_orgmode_python_fr.org --- .../exo1/toy_document_orgmode_python_fr.org | 119 +++++------------- 1 file changed, 28 insertions(+), 91 deletions(-) diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org index 867df06..e9abc2d 100644 --- a/module2/exo1/toy_document_orgmode_python_fr.org +++ b/module2/exo1/toy_document_orgmode_python_fr.org @@ -7,20 +7,27 @@ * 1 En demandant à la lib maths Mon ordinateur m'indique que \pi vaut approximativement : +#+begin_src emacs-lisp :exports none +(org-babel-do-load-languages +'org-babel-load-languages +'((python . t))) +#+end_src #+begin_src python :results output :session :exports both from math import * pi #+end_src -# #+RESULTS: -# : 3.141592653589793 +#+RESULTS: +: +: 3.141592653589793 + * 2 En utilisant la méthode des aiguilles de Buffon Mais calculé avec la *méthode* des [[https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Buffon]], on obtiendrait comme *approximation* : -#+begin_src python :results output :session :export both +#+begin_src python :results output :session :exports both import numpy as np np.random.seed(seed=42) N = 10000 @@ -29,17 +36,21 @@ theta = np.random.uniform(size=N, low=0, high=pi/2) 2/(sum((x+np.sin(theta))>1)/N) #+end_src -#+results: -: 3.12891113892 +#+RESULTS: +: +: >>> >>> >>> >>> 0 + + + * 3 Avec un argument "fréquentiel" de surface Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que si X∼U(0,1) et Y∼U(0,1) alors P[X^2+Y^2 ≤ 1]=\pi/4 (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait : - -#+begin_src python :results output file :session :var matplot_lib_filename="./exemple.png" :exports results +#+begin_src python :results output file :session :var matplot_lib_filename="./exe.png" :exports results import matplotlib.pyplot as plt +import numpy as np np.random.seed(seed=42) N = 1000 @@ -56,98 +67,24 @@ ax.set_aspect('equal') plt.savefig(matplot_lib_filename) print(matplot_lib_filename) - #+end_src #+RESULTS: -[[file:./exemple.png]] - +[[file: +>>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> + +./exe.png]] -#+HTML_HEAD: -#+HTML_HEAD: -#+HTML_HEAD: -#+HTML_HEAD: -#+HTML_HEAD: -#+HTML_HEAD: -* Quelques explications +[[file:./exe.png]] -Ceci est un document org-mode avec quelques exemples de code -python. Une fois ouvert dans emacs, ce document peut aisément être -exporté au format HTML, PDF, et Office. Pour plus de détails sur -org-mode vous pouvez consulter https://orgmode.org/guide/. -Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera -compilé en html. Tout le code contenu sera ré-exécuté, les résultats -récupérés et inclus dans un document final. Si vous ne souhaitez pas -ré-exécuter tout le code à chaque fois, il vous suffit de supprimer -le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce -document. -Comme nous vous l'avons montré dans la vidéo, on inclue du code -python de la façon suivante (et on l'exécute en faisant ~C-c C-c~): +Il est alors aisé d'obtenir une approximation (pas terrible) de \pi en comptant combien de fois, en moyenne, X^2+Y^2 est inférieur à 1 : -#+begin_src python :results output :exports both -print("Hello world!") -#+end_src +#+BEGIN_SRC python :results output :session :exports both +4*np.mean(accept) +#+END_SRC #+RESULTS: -: Hello world! - -Voici la même chose, mais avec une session python, donc une -persistance d'un bloc à l'autre (et on l'exécute toujours en faisant -~C-c C-c~). -#+begin_src python :results output :session :exports both -import numpy -x=numpy.linspace(-15,15) -print(x) -#+end_src - -#+RESULTS: -#+begin_example -[-15. -14.3877551 -13.7755102 -13.16326531 -12.55102041 - -11.93877551 -11.32653061 -10.71428571 -10.10204082 -9.48979592 - -8.87755102 -8.26530612 -7.65306122 -7.04081633 -6.42857143 - -5.81632653 -5.20408163 -4.59183673 -3.97959184 -3.36734694 - -2.75510204 -2.14285714 -1.53061224 -0.91836735 -0.30612245 - 0.30612245 0.91836735 1.53061224 2.14285714 2.75510204 - 3.36734694 3.97959184 4.59183673 5.20408163 5.81632653 - 6.42857143 7.04081633 7.65306122 8.26530612 8.87755102 - 9.48979592 10.10204082 10.71428571 11.32653061 11.93877551 - 12.55102041 13.16326531 13.7755102 14.3877551 15. ] -#+end_example - -Et enfin, voici un exemple de sortie graphique: -#+begin_src python :results output file :session :var matplot_lib_filename="./cosxsx.png" :exports results -import matplotlib.pyplot as plt - -plt.figure(figsize=(10,5)) -plt.plot(x,numpy.cos(x)/x) -plt.tight_layout() - -plt.savefig(matplot_lib_filename) -print(matplot_lib_filename) -#+end_src - -#+RESULTS: -[[file:./cosxsx.png]] - -Vous remarquerez le paramètre ~:exports results~ qui indique que le code -ne doit pas apparaître dans la version finale du document. Nous vous -recommandons dans le cadre de ce MOOC de ne pas changer ce paramètre -(indiquer ~both~) car l'objectif est que vos analyses de données soient -parfaitement transparentes pour être reproductibles. - -Attention, la figure ainsi générée n'est pas stockée dans le document -org. C'est un fichier ordinaire, ici nommé ~cosxsx.png~. N'oubliez pas -de le committer si vous voulez que votre analyse soit lisible et -compréhensible sur GitLab. - -Enfin, n'oubliez pas que nous vous fournissons dans les ressources de -ce MOOC une configuration avec un certain nombre de raccourcis -claviers permettant de créer rapidement les blocs de code python (en -faisant ~